গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ভারসাম্যহীন সনাক্তকরণ কুইজের জন্য ফোকাল লস

ফোকাল-লস মডুলেটর, শ্রেণির ভারসাম্যহীনতা, আলফা এবং গামার ভূমিকা এবং কতটা ভাল-শ্রেণীবদ্ধ এবং কঠিন উদাহরণগুলি আলাদা তা পরীক্ষা করে।

প্রশ্ন 1 এর 8

এক-পর্যায়ে অবজেক্ট সনাক্তকরণে কোন মূল সমস্যাটি সমাধান করার জন্য ফোকাল লস ডিজাইন করা হয়েছিল?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. এক-পর্যায়ে অবজেক্ট সনাক্তকরণে কোন মূল সমস্যাটি সমাধান করার জন্য ফোকাল লস ডিজাইন করা হয়েছিল?
    • বিরল অগ্রভাগের বস্তু এবং প্রচুর সহজ পটভূমির মধ্যে চরম ভারসাম্যহীনতা
    • দুই-পর্যায়ের ডিটেক্টরের ধীর অনুমান গতি
    • লেবেলযুক্ত প্রশিক্ষণ ডেটার অভাব
    • বড় বস্তুর জন্য overfitting
  2. মডিউলেটিং ফ্যাক্টর কি যে ফোকাল লস ক্রস-এনট্রপিতে গুণ করে?
    • লগ(p_t)
    • (1 - p_t)^গামা
    • শুধুমাত্র p_t^2
    • 1 / p_t
  3. ফোকাসিং প্যারামিটার গামা 0 এ সেট করা হলে ফোকাল লসের কী হবে?
    • এটি গড় বর্গাকার ত্রুটি হয়ে যায়
    • এটি সমস্ত ইতিবাচক উদাহরণ উপেক্ষা করে
    • এটি সাধারণ ক্রস-এনট্রপি হয়ে যায়
    • এটা অসীম থেকে বিচ্যুত হয়
  4. ক্রমবর্ধমান গামা সহজ, ভাল-শ্রেণীবদ্ধ উদাহরণের জন্য কী করে?
    • তাদের ক্ষতি অবদান বৃদ্ধি
    • তাদের অবদান অপরিবর্তিত রেখে যায়
    • ডেটাসেট থেকে তাদের সরিয়ে দেয়
    • তাদের ক্ষতির অবদানকে আরো জোরালোভাবে দমন করে
  5. কোন ডিটেক্টর আর্কিটেকচার ফোকাল লস চালু করেছে?
    • রেটিনানেট
    • YOLOv1
    • দ্রুত আর-সিএনএন
    • অ্যালেক্সনেট
  6. আলফা প্যারামিটার সাধারণত গামার পাশাপাশি কী ভূমিকা পালন করে?
    • এটি শেখার হার নির্ধারণ করে
    • এটি ইতিবাচক বনাম নেতিবাচক শ্রেণীর আপেক্ষিক ওজনের ভারসাম্য বজায় রাখে
    • এটি ছবির রেজোলিউশন নিয়ন্ত্রণ করে
    • এটি অ্যাঙ্কর বাক্সের সংখ্যা নির্ধারণ করে
  7. For a hard example with p_t close to zero, what is the focal modulating factor (1 − p_t)^gamma likely to do?
    • Drive the factor to zero
    • Turn the example into a positive label
    • Keep the factor relatively close to one so the example retains substantial loss weight
    • Replace the cross-entropy term with alpha
  8. A dense detector has many easy background locations. What effect does focal loss aim to have on their combined training influence?
    • Increase their count by duplicating them
    • Remove all positive object examples
    • Make every example receive an identical loss
    • Reduce their dominance so training can focus more on sparse hard examples